深度學習:基於案例理解深度神經網絡
[瑞士] 翁貝托·米凱盧奇(Umberto Michelucci) 著
- 出版商: 機械工業
- 出版日期: 2019-10-01
- 售價: $534
- 貴賓價: 9.5 折 $507
- 語言: 簡體中文
- ISBN: 7111637100
- ISBN-13: 9787111637103
-
相關分類:
DeepLearning 深度學習
- 此書翻譯自: Applied Deep Learning: A Case-Based Approach to Understanding Deep Neural Networks
立即出貨
買這商品的人也買了...
-
$550$435 -
$414$393 -
$414$393 -
$474$450 -
$474$450 -
$299$284 -
$414$393 -
$690$538 -
$354$336 -
$474$450 -
$780$616 -
$354$336 -
$354$336 -
$414$393 -
$680$612 -
$580$406 -
$774$735 -
$534$507 -
$505深入理解 AutoML 和 AutoDL:構建自動化機器學習與深度學習平臺
-
$474$450 -
$505推薦系統
-
$454Tensorflow+PyTorch深度學習從算法到實戰
-
$534$507 -
$270$257 -
$468$445
商品描述
本書探討深度學習中的高級主題,例如優化算法、超參數調整、Dropout和誤差分析,並討論如何解決在訓練深度神經網絡時遇到的典型問題。書中首先介紹單一神經元網絡的激活函數(ReLu、sigmoid和Swish),然後介紹如何使用TensorFlow進行線性和邏輯回歸,以及如何選擇正確的代價函數,之後討論具有多個層和神經元的更復雜的神經網絡結構,並探討權重的隨機初始化問題。本書用一整章對神經網絡誤差分析進行全面概述,給出如何解決來自不同分佈的方差、偏差、過擬合和數據集問題的例子。
本書還討論在不使用任何Python庫(NumPy除外)的情況下,如何從零開始完全實現邏輯回歸,以便用諸如TensorFlow這樣的庫進行快速和有效的實驗。本書包括每種方法的案例研究,以便將所有理論信息付諸實踐。你還將學到Python代碼的優化技巧(例如,使用NumPy對循環進行向量化)。
通過閱讀本書,你將學到:
• 利用Python和TensorFlow以正確的方式實現高級技術
• 調試和優化高級方法(如Dropout和正則化)
• 進行誤差分析(以確定是否存在偏差問題、方差問題、數據偏移問題等)
• 創建專註於利用復雜數據集進行深度學習的機器學習項目
本書還討論在不使用任何Python庫(NumPy除外)的情況下,如何從零開始完全實現邏輯回歸,以便用諸如TensorFlow這樣的庫進行快速和有效的實驗。本書包括每種方法的案例研究,以便將所有理論信息付諸實踐。你還將學到Python代碼的優化技巧(例如,使用NumPy對循環進行向量化)。
通過閱讀本書,你將學到:
• 利用Python和TensorFlow以正確的方式實現高級技術
• 調試和優化高級方法(如Dropout和正則化)
• 進行誤差分析(以確定是否存在偏差問題、方差問題、數據偏移問題等)
• 創建專註於利用復雜數據集進行深度學習的機器學習項目